适用于手持式设备与机器人搭载的3D LiDAR建图框架

本文提出了一种模块化、云原生设计的长期3D建图框架，其核心优势在于同时支持手持式设备与机器人搭载的3D LiDAR建图系统。该框架包含动态点移除、多会话地图对齐、地图变化检测和地图版本控制四大模块。首先与传感器配置无关的动态点移除算法可为手持式设备与机器人系统构建干净的静态3D地图。其次多会话地图对齐通过基于特征描述符匹配和精细配准的两阶段方法，无需人工参数调优即可自动将多张静态地图对齐至统一参考系。第三创新的地图变化检测模块可识别对齐地图间的正负变化。最后地图版本控制模块维护代表环境当前状态的单一基准地图，存储检测到的正负变化及边界信息。独特的地图版本控制系统无需存储原始输入地图，即可重构任意历史会话地图并支持用户查询任意两次建图会话间的差异。通过手持式商用LiDAR设备和开源机器人LiDAR SLAM算法进行了大量实验，验证了各模块及整体框架的性能。

目前开源SLAM算法与商用建图方案可生成高精度单会话3D地图，但环境随时间持续变化会降低地图实用性。因此通过长期3D建图定期更新地图对长期机器人运行、数字孪生仿真、长期规划及环境时空变化分析至关重要。现有基于LiDAR的终身SLAM/建图/定位研究仅关注部分模块或提出稠密集成的在线机器人定位方案，这些方案依赖定制化位姿图优化、闭环检测等算法，无法泛化至不同传感器配置与环境。

单会话LiDAR 3D地图（10GB至200GB）存在三大问题：包含建图过程中的动态物体、参考系因初始位姿差异不统一、存储冗余数据量大。为此，本文提出一种与传感器配置无关的模块化终身3D建图框架，包含动态点移除、多会话地图对齐、地图变化检测和地图版本控制。如图1所示，系统处理含噪声的输入地图，允许用户检索任意干净会话地图并查询会话间差异，且无需存储大内存输入地图，显著提升存储效率。该框架具有以下创新贡献：
1. 与传感器配置和LiDAR运动无关的通用动态点移除方法，以及基于超参数网格搜索的两阶段多会话地图对齐算法；
2. 通过重叠区域估计与2D鸟瞰图（BEV）描述符检测正负地图变化的方案；
3. 基于检测差异更新基准地图的版本控制系统，支持重构历史会话地图与查询会话间变化，且无需存储原始3D地图。

如图1所示，系统流程如下：输入地图经动态目标移除与自动多会话对齐后，变化检测模块识别正负差异，版本控制模块更新基准地图。用户可下载历史会话地图或查询会话间变化。

图 1. 用户可以将从任何来源收集的多会话 3D 地图上传到我们提出的长期 3D 地图建图框架。该系统执行动态对象移除、多会话地图对齐、地图更改检测和地图版本控制。它允许用户检索任何干净的会话地图或查询任何两个会话之间的更改，所有这些都无需存储占用大量内存的输入会话地图。

完整工作流程

工作流如图4所示，系统接收多会话地图输入，每张3D地图由位姿与点云构成。假设随时间上传n+1个会话地图session map(t)（t=0,1,...,n）：

• 初始化（图4a）：首个会话地图session map(t0)经动态目标移除生成干净地图，作为初始基准地图base map(t0)。

• 迭代更新（图4b）：当前基准地图base map(t)与新会话地图session map(t+1)输入系统。新地图经动态移除生成干净版本，并与基准地图对齐。变化检测模块输出负差异base ND(t)与正差异session PD(t+1)。版本控制模块更新基准地图至base map(t+1)，存储差异与边界信息，释放新会话地图内存。

图 4. 完整工作流程说明。（a）基础地图初始化。灰点为静态，红点为动态。（b）会话地图（t + 1）

如图2所示，流程如下：

• 子图构建：拼接10-50帧LiDAR扫描生成子图；

• 平面检测：基于RANSAC回归多个平面，将最大平面（通常为地面或建筑立面）加入静态地图；

• 比例筛选：若其他平面点数占比超阈值，则加入静态地图以填补孔洞；

• 后处理：通过K-NN投票、统计离群点移除与径向滤波进一步优化静态地图。

图 2. 本文提出的与传感器设置无关的动态点移除方案。我们创建一个子图，回归多个平面，并根据比率检查将它们添加回来，以填补 OctoMap 中的残差洞。然后执行基于径向搜索的后处理，以进一步提高静态地图的质量。